Projeto de Redes Neurais e MATLAB

Tamanho: px
Começar a partir da página:

Download "Projeto de Redes Neurais e MATLAB"

Transcrição

1 Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar Thiago Miotto Baseado na apresentação de Alice Lucena

2 Objetivos Projeto da disciplina O que é o MATLAB? Como usar o projeto? Aliás, o que será feito? 2

3 Objetivos Projeto da disciplina Valor: 1 ponto 50% relatório (coletivo) 50% perguntas aleatórias (individual) 3

4 MATLAB MATrix LABoratory é um software de alta performance voltado para o cálculo numérico. Ele integra análise numérica, cálculo com matrizes, processamento de sinais e construção de gráficos. Problemas e soluções são expressos matematicamente através de matrizes. 4

5 MATLAB É uma linguagem interpretada, ou seja, cada comando é lido e interpretado um por vez. Comandos são escritos na janela de comando. Tudo é considerado matriz. Dados escalares são considerados com matrizes 1x1. Ex: x = 10; x = [1 2 3]; x = final 5

6 Arquivos *.m Os comandos do matlab são normalmente digitados na janela de comando. Apenas uma linha de comando é introduzida na janela que posteriormente é interpretada. Porém, o matlab oferece a opção de executar seqüências de comandos armazenadas em arquivos. 6

7 Arquivos *.m Os arquivos que contêm essas declarações são chamados de arquivos.m ou também scripts. Eles consistem de uma seqüência de comandos normais do matlab. Exemplo: O script que será usado por vocês para treinarem a rede neural. 7

8 Gráficos O matlab oferece a opção para visualizar gráficos. Há uma lista com vários comandos para plotar diferentes tipos de gráficos. Todos esses comandos recebem como argumento um vetor numérico. 8

9 Projeto da Disciplina Serão usados os problemas disponíveis na conhecida base de dados Proben1. Cada problema possui 3 arquivos de dados. Ex: O problema câncer possui os arquivos cancer1.dt, cancer2.dt e cancer3.dt. Os arquivos diferem na ordem de apresentação dos padrões, dependendo desta ordem a rede neural pode gerar resultados diferentes. Não haverá equipes com o mesmo arquivo de dados. As equipes terão no máximo 5 integrantes e a equipe deverá mandar para Arley com o subject [SI] Equipe informando quais são os alunos que compõem a equipe. Assim que o for recebido, será enviado ao grupo o nome do arquivo referente ao seu projeto. 9

10 O que é isso? 10

11 E isso? 11

12 Como vocês sabem? Como se sabe que um urso é um urso? 12

13 Entendi nada... 13

14 Pré-processamento Neste projeto, não será cobrado, pois os dados já foram préprocessados. É comum fazer normalização (para garantir que os valores estarão dentro de uma determinado intervalo). Nos problemas do Proben é usado o método min-max[0,1]. Exemplo de escalonamento para o intervalo [0,1]: x norm ( x x ( x x max min ) min ) Onde x norm é o valor normalizado correspondente ao valor original x, e x min e x max são os valores mínimo e máximo entre todos os valores (ou separadamente por atributo). 14

15 Particionamento dos Dados Particionamento de dados utilizado no Proben1: 50% dos padrões de cada classe escolhidos aleatoriamente para treinamento, 25% para validação, 25% para teste. É importante que as proporções entre as classes no conjunto completo de dados sejam mantidas nos conjuntos de treinamento, validação e teste. Neste projeto, não será cobrado, pois cada arquivo de dados já está dividido em treinamento, validação e teste. 15

16 Normalização dos Dados Exemplo: Classe A Classe A Normaliza e acrescenta saídas Classe B Classe B

17 Randomiza e Particiona Classe A (50%) Classe A Randomiza Classe A Particiona Classe A (25%) Classe A (25%) Classe B (50%) Classe B Randomiza Classe B Particiona Classe B (25%) Classe B (25%) 17

18 Divisão dos Dados Classe A (50%) Classe A (25%) Classe A (25%) Classe B (50%) Classe A (50%) Classe B (50%) Classe A (25%) Classe B (25%) Treinamento Validação Classe B (25%) Classe B (25%) Classe A (25%) Classe B (25%) Teste 18

19 Definição da Topologia MLP Aspectos que serão fixos neste projeto: Nº de nodos de entrada: Quantidade de atributos de entrada. Nº de nodos de saída: Em problemas de classificação, é a quantidade de classes. Regra de classificação winner-takes-all: o nodo de saída que gerar a maior saída define a classe do padrão. Em problemas de aproximação, é a quantidade de variáveis de saída. Uma única camada escondida. Função de ativação dos neurônios: sigmóide logística. Todas as possíveis conexões entre camadas adjacentes, sem conexões entre camadas não-adjacentes. 19

20 Começando a entender? Nº de nodos de entrada Em que não iremos mexer? 20

21 Variação Aspectos que serão variados neste projeto: Nº de neurônios escondidos (serão usados 3 valores); A taxa de aprendizado a ser utilizada (serão usados 3 valores); O número de máximo de iterações. 21

22 Número de neurônios na camada escondida Variando o nº de neurônios escondidos, estamos variando a quantidade de pesos da rede. Explicação: Uma rede neural implementa uma função. Os pesos da rede são os parâmetros da função. Dessa forma, aumentar a quantidade de pesos da rede significa aumentar a complexidade da função implementada. x 1 w 1 f 1 w 3 w 5 f 3 y As funções f i são do tipo sigmóide logística. x 2 w 4 w 2 f 2 w 6 y = f 3 ( w 5 f 1 (w 1 x 1 + w 3 x 2 ) + w 6 f 2 (w 2 x 1 + w 4 x 2 ) ). 22

23 Underfitting e Overfitting ATENÇÃO! Se a quantidade de pesos for pequena demais, pode haver underfitting. A função implementada não tem complexidade suficiente para resolver o problema abordado. Se a quantidade de pesos for grande demais, pode haver overfitting. A função implementada tem complexidade demais para o problema, sendo capaz de modelar detalhes demais dos dados de treinamento. 23

24 A taxa de aprendizado a ser utilizada Usando taxa de aprendizado muito baixa, cada iteração faz um ajuste muito pequeno nos pesos (passo muito pequeno). Pode precisar de muitas iterações para convergir para o ponto de mínimo desejado na superfície de busca. Usando taxa de aprendizado muito alta, cada iteração faz um ajuste muito grande nos pesos (passo muito grande). Pode causar oscilações em torno de um ponto de mínimo. 24

25 Medidas de Erros Para ambos os tipos de problema, será usado o erro SSE (sum squared error - soma dos erros quadráticos). Ex.: Saídas da rede Padrão 1... N 1... N Saídas desejadas Nodo Nodo Soma dos erros quadráticos (SSE): SSE = ( ) ( ) 2 + ( ) ( ) 2. 25

26 Medidas de Erros Para problemas de classificação, também será calculado o erro de classificação (neste projeto, só para o conjunto de teste). Regra de classificação winner-takes-all: O neurônio de saída que apresentar o maior valor de saída determina a classe do padrão. Ex.: Saídas da rede Saídas desejadas Padrão 1... N 1... N Nodo Nodo Classe Erro Classif. = 100 x Quant. de padrões classificados erradamente Quant. total de padrões 26

27 Backpropagation Será usado o algoritmo Backpropagation padrão É um algoritmo de gradiente descendente, ou seja, utiliza informações de derivada. Por isso, as funções de ativação devem ser contínuas e diferenciáveis (é o caso da sigmóide logística). Objetivo: Fazer ajuste de pesos, ou seja, escolher os pesos que geram as saídas mais corretas possíveis (menor erro) de forma iterativa. Idéia geral: A cada iteração, obter um erro cada vez menor para os dados de treinamento. Cuidado: Não permitir que a rede aprenda detalhes demais do conjunto de treinamento (overfitting). 27

28 Gráfico SSE Parada Conjunto de treinamento Erro mínimo de treinamento Iteração Conjunto de validação (neste exemplo, observado a cada 3 iterações) Erro alto para dados não usados no treinamento (não generaliza bem) Iteração 28

29 Parada por Erro Mínimo de Validação É recomendável que o treinamento seja interrompido quando o erro no conjunto de validação atingir um mínimo. A partir deste ponto, supõe-se que a rede só aprenderia detalhes irrelevantes do conjunto de treinamento. O erro para dados de treinamento seria cada vez menor, mas o erro para dados novos (validação) seria cada vez mais alto. Neste projeto, será usado o seguinte critério de parada: Interromper o treinamento quando o erro de validação subir por 5 iterações consecutivas. É o critério implementado no Matlab (parâmetro max_fail = 5 ). 29

30 O que vocês vão fazer? Vão escolher: 3 quantidades de neurônios escondidos, 3 taxas de aprendizado. Temos um total de 9 configurações a serem testadas. Para cada configuração, será realizado um treinamento. A melhor configuração a ser escolhida é a de menor erro de teste. 30

31 O que vocês vão fazer? Para a melhor configuração escolhida, devem ser feitos 10 treinamentos com diferentes inicializações de pesos. O objetivo é verificar como a melhor rede se comporta quando variamos os pesos iniciais. 31

32 Para começar... 32

33 Atenção, POR FAVOR!! 33

34 Conjunto de Dados 384 linhas Treinamento.txt 192 linhas Validacao.txt 192 linhas Teste.txt 34

35 1. Abra o MATLAB 2. Em "Arquivo", selecione a opção 'Open...'; 3. Selecione o Script ATENÇÃO Na pasta onde estiver o script deverá estar os txt Treinamento, validação e teste.

36 4. Modifique o Script para que ele se adeque ao seu caso. 5. Rode o script

37 6. Na janela resultante, clique em Performace e tire um print do gráfico.

38

39 7. Na janela principal aparecerá os resultados.

40 Dúvidas? Monitores: Arley Ristar Thiago Miotto 40

MLP (Multi Layer Perceptron)

MLP (Multi Layer Perceptron) MLP (Multi Layer Perceptron) André Tavares da Silva andre.silva@udesc.br Roteiro Rede neural com mais de uma camada Codificação de entradas e saídas Decorar x generalizar Perceptron Multi-Camada (MLP -

Leia mais

Matlab - Neural Networw Toolbox. Ana Lívia Soares Silva de Almeida

Matlab - Neural Networw Toolbox. Ana Lívia Soares Silva de Almeida 27 de maio de 2014 O que é a Neural Networw Toolbox? A Neural Network Toolbox fornece funções e aplicativos para a modelagem de sistemas não-lineares complexos que não são facilmente modelados com uma

Leia mais

Inteligência Artificial. Redes Neurais Artificiais

Inteligência Artificial. Redes Neurais Artificiais Curso de Especialização em Sistemas Inteligentes Aplicados à Automação Inteligência Artificial Redes Neurais Artificiais Aulas Práticas no Matlab João Marques Salomão Rodrigo Varejão Andreão Matlab Objetivos:

Leia mais

Redes Neurais. Profa. Flavia Cristina Bernardini

Redes Neurais. Profa. Flavia Cristina Bernardini Redes Neurais Profa. Flavia Cristina Bernardini Introdução Cérebro & Computador Modelos Cognitivos Diferentes Cérebro Computador Seqüência de Comandos Reconhecimento de Padrão Lento Rápido Rápido Lento

Leia mais

Relatório de uma Aplicação de Redes Neurais

Relatório de uma Aplicação de Redes Neurais UNIVERSIDADE ESTADUAL DE MONTES CLAROS CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS DEPARTAMENTO DE CIÊNCIAS DA COMPUTACAÇÃO ESPECIALIZAÇÃO EM ENGENHARIA DE SISTEMAS DISCIPLINA: REDES NEURAIS PROFESSOR: MARCOS

Leia mais

Redes Neurais no MATLAB 6.1

Redes Neurais no MATLAB 6.1 Redes Neurais no MATLAB 6.1 Redes Neurais no MATLAB Duas formas de utilização: Linhas de comando, e m-files Interface gráfica (NNTool) 1 Redes Neurais no MATLAB Duas formas de utilização: Linhas de comando,,

Leia mais

3 Metodologia de Previsão de Padrões de Falha

3 Metodologia de Previsão de Padrões de Falha 3 Metodologia de Previsão de Padrões de Falha Antes da ocorrência de uma falha em um equipamento, ele entra em um regime de operação diferente do regime nominal, como descrito em [8-11]. Para detectar

Leia mais

Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais

Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais Elisângela Lopes de Faria (a) Marcelo Portes Albuquerque (a) Jorge Luis González Alfonso (b) Márcio Portes Albuquerque (a) José

Leia mais

COPPE/UFRJ. CPE 721 - Redes Neurais Feedforward Prof.: Luiz Calôba

COPPE/UFRJ. CPE 721 - Redes Neurais Feedforward Prof.: Luiz Calôba COPPE/UFRJ CPE 721 - Redes Neurais Feedforward Prof.: Luiz Calôba PROGRAMA PARA DEMONSTRAÇÃO DO PROCESSO DE APRENDIZADO DOS NEURÔNIOS DA CAMADA INTERMEDIÁRIA DE UMA REDE NEURAL FEEDFORWARD DE 2 CAMADAS,

Leia mais

Introdução às Redes Neurais Artificiais

Introdução às Redes Neurais Artificiais Introdução às Redes Neurais Artificiais Treinamento via Algoritmos Genéticos Prof. João Marcos Meirelles da Silva http://www.professores.uff.br/jmarcos Departamento de Engenharia de Telecomunicações Escola

Leia mais

OTIMIZAÇÃO DE REDES NEURAIS PARA PREVISÃO DE SÉRIES TEMPORAIS

OTIMIZAÇÃO DE REDES NEURAIS PARA PREVISÃO DE SÉRIES TEMPORAIS OTIMIZAÇÃO DE REDES NEURAIS PARA PREVISÃO DE SÉRIES TEMPORAIS Trabalho de Conclusão de Curso Engenharia da Computação Adélia Carolina de Andrade Barros Orientador: Prof. Dr. Adriano Lorena Inácio de Oliveira

Leia mais

Linguagem e Técnicas de Programação I Programação estruturada e fundamentos da linguagem C

Linguagem e Técnicas de Programação I Programação estruturada e fundamentos da linguagem C Linguagem e Técnicas de Programação I Programação estruturada e fundamentos da linguagem C Prof. MSc. Hugo Souza Material desenvolvido por: Profa. Ameliara Freire Continuando as aulas sobre os fundamentos

Leia mais

Manual do Utilizador

Manual do Utilizador Faculdade de Ciências e Tecnologia da Universidade de Coimbra Departamento de Engenharia Electrotécnica e Computadores Software de Localização GSM para o modem Siemens MC35i Manual do Utilizador Índice

Leia mais

Oficina de MATLAB Nível Básico Aula 1

Oficina de MATLAB Nível Básico Aula 1 MINISTÉRIO DA EDUCAÇÃO SECRETARIA DE EDUCAÇÃO PROFISSIONAL E TECNOLÓGICA INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA CAMPUS SÃO JOSÉ SANTA CATARINA Oficina de MATLAB Nível Básico Aula 1 Prof. Jeremias

Leia mais

Aula 12: Funções. Pré-requisitos: Todas as aulas anteriores deste módulo. 1. Aproveitando Códigos no Programa

Aula 12: Funções. Pré-requisitos: Todas as aulas anteriores deste módulo. 1. Aproveitando Códigos no Programa Aula 12: Funções Nesta aula explicaremos o que são e como usar funções nos seus programas em JavaScript. Você aprenderá como elas podem receber e retornar valores à estrutura que as acionou. Entenderá

Leia mais

Redes Neurais. Mapas Auto-Organizáveis. 1. O Mapa Auto-Organizável (SOM) Prof. Paulo Martins Engel. Formação auto-organizada de mapas sensoriais

Redes Neurais. Mapas Auto-Organizáveis. 1. O Mapa Auto-Organizável (SOM) Prof. Paulo Martins Engel. Formação auto-organizada de mapas sensoriais . O Mapa Auto-Organizável (SOM) Redes Neurais Mapas Auto-Organizáveis Sistema auto-organizável inspirado no córtex cerebral. Nos mapas tonotópicos do córtex, p. ex., neurônios vizinhos respondem a freqüências

Leia mais

Departamento: Matemática Curso: Eng a Madeiras Ano: 1 o Semestre: 2 o Ano Lectivo: 2006/2007. Aula prática n o 1 - Introdução ao MATLAB

Departamento: Matemática Curso: Eng a Madeiras Ano: 1 o Semestre: 2 o Ano Lectivo: 2006/2007. Aula prática n o 1 - Introdução ao MATLAB Instituto Politécnico de Viseu Escola Superior de Tecnologia Departamento: Matemática Métodos Numéricos Curso: Eng a Madeiras Ano: 1 o Semestre: 2 o Ano Lectivo: 2006/2007 Aula prática n o 1 - Introdução

Leia mais

UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS

UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS Curso: Informática Disciplina: Redes Neurais Prof. Fernando Osório E-mail: osorio@exatas.unisinos.br EXEMPLO DE QUESTÕES DE PROVAS ANTIGAS 1. Supondo que

Leia mais

BC-0005 Bases Computacionais da Ciência. Modelagem e simulação

BC-0005 Bases Computacionais da Ciência. Modelagem e simulação BC-0005 Bases Computacionais da Ciência Aula 8 Modelagem e simulação Santo André, julho de 2010 Roteiro da Aula Modelagem O que é um modelo? Tipos de modelos Simulação O que é? Como pode ser feita? Exercício:

Leia mais

Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica

Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica João Paulo Teixeira*, José Batista*, Anildio Toca**, João Gonçalves**, e Filipe Pereira** * Departamento de Electrotecnia

Leia mais

LINGUAGEM C UMA INTRODUÇÃO

LINGUAGEM C UMA INTRODUÇÃO LINGUAGEM C UMA INTRODUÇÃO AULA 1 Conceitos muito básicos 1 Introdução O C nasceu na década de 70. Seu inventor, Dennis Ritchie, implementou-o pela primeira vez usando um DEC PDP-11 rodando o sistema operacional

Leia mais

MICROSOFT EXCEL - AULA NÚMERO 06

MICROSOFT EXCEL - AULA NÚMERO 06 MICROSOFT EXCEL - AULA NÚMERO 06 IMPRIMINDO PLANILHAS E GRÁFICOS Até este ponto, você viu como introduzir dados e criar formulas, formatar texto e criar gráficos. Agora você vai apresentar os dados ou

Leia mais

ANÁLISE DE PRÉ PROCESSAMENTO NO DESEMPENHO DE PREVISÃO DE SÉRIES TEMPORAIS FINANCEIRAS

ANÁLISE DE PRÉ PROCESSAMENTO NO DESEMPENHO DE PREVISÃO DE SÉRIES TEMPORAIS FINANCEIRAS Universidade Federal de Pernambuco Centro de Informática Graduação em Ciência da Computação ANÁLISE DE PRÉ PROCESSAMENTO NO DESEMPENHO DE PREVISÃO DE SÉRIES TEMPORAIS FINANCEIRAS Vitor Teixeira Costa TRABALHO

Leia mais

Tutorial 160 CP FBs - Elipse Scada (RS232 Protocolo MODBUS)

Tutorial 160 CP FBs - Elipse Scada (RS232 Protocolo MODBUS) Tutorial 160 CP FBs - Elipse Scada (RS232 Protocolo MODBUS) Este documento é propriedade da ALTUS Sistemas de Informática S.A., não podendo ser reproduzido sem seu prévio consentimento. Altus Sistemas

Leia mais

Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais

Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais Redes Neurais Artificiais Prof. Wilian Soares João Vitor Squillace Teixeira Ciência da Computação Universidade

Leia mais

Relatório da Aula Prática sobre Redes Neurais Artificiais

Relatório da Aula Prática sobre Redes Neurais Artificiais Relatório da Aula Prática sobre Redes Neurais Artificiais Instituto de Informática UFRGS Carlos Eduardo Ramisch Cartão: 134657 INF01017 Redes Neurais e Sistemas Fuzzy Porto Alegre, 16 de outubro de 2006.

Leia mais

ROTINAS PADRÕES DO SISTEMAS

ROTINAS PADRÕES DO SISTEMAS ROTINAS PADRÕES DO SISTEMAS Usando o Sistema pela primeira vez Ao executar o seu Sistema pela primeira vez a tela abaixo será apresentada para que você possa configurar os diretórios onde serão achados

Leia mais

2. A FERRAMENTA SOLVER (EXCEL)

2. A FERRAMENTA SOLVER (EXCEL) Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção 2. A FERRAMENTA SOLVER (EXCEL) Diversas ferramentas para solução de problemas de otimização, comerciais ou acadêmicos, sejam eles lineares

Leia mais

UNIVERSIDADE GAMA FILHO Laboratório de Controle I - MATLAB

UNIVERSIDADE GAMA FILHO Laboratório de Controle I - MATLAB NOME: UNIVERSIDADE GAMA FILHO Laboratório de Controle I - MATLAB O que é o Matlab? O Matlab é um sistema para cálculo científico que proporciona um ambiente de fácil utilização com uma notação intuitiva,

Leia mais

Manual de Atualização de Versão Fornece as orientações necessárias para efetuar a atualização da versão do Citsmart no ambiente Linux.

Manual de Atualização de Versão Fornece as orientações necessárias para efetuar a atualização da versão do Citsmart no ambiente Linux. Fornece as orientações necessárias para efetuar a atualização da versão do Citsmart no ambiente Linux. Versão 2.5 10/03/2015 Visão Resumida Data Criação 10/03/2015 Versão Documento 2.5 Projeto Responsáveis

Leia mais

Extensão ez Open Document Format (ezodf) Documentação. versão 2.0. experts em Gestão de Conteúdo

Extensão ez Open Document Format (ezodf) Documentação. versão 2.0. experts em Gestão de Conteúdo Extensão ez Open Document Format (ezodf) Documentação versão 2.0 Conteúdo 1. Introdução... 3 2 1.1 Público alvo... 3 1.2 Convenções... 3 1.3 Mais recursos... 3 1.4 Entrando em contato com a ez... 4 1.5

Leia mais

Redes neurais aplicadas na identificação de variedades de soja

Redes neurais aplicadas na identificação de variedades de soja Redes neurais aplicadas na identificação de variedades de soja Fábio R. R. Padilha Universidade Regional do Noroeste do Estado do Rio Grande do Sul - UNIJUÍ Rua São Francisco, 5 - Sede Acadêmica, 987-,

Leia mais

3. REDES DE CAMADA ÚNICA

3. REDES DE CAMADA ÚNICA 3. REDES DE CAMADA ÚNICA Perceptron Forma mais simples de RN Utilizado para classificação de padrões (linearmente separáveis) Consiste em um único neurônio, com pesos sinápticos ajustáveis e bias 3.1 Funções

Leia mais

Universidade Gama Filho Campus Piedade Departamento de Engenharia de Controle e Automação

Universidade Gama Filho Campus Piedade Departamento de Engenharia de Controle e Automação Universidade Gama Filho Campus Piedade Departamento de Engenharia de Controle e Automação Laboratório da Disciplina CTA-147 Controle I Análise da Resposta Transitória (Este laboratório foi uma adaptação

Leia mais

Manual de Atualização de Versão

Manual de Atualização de Versão Fornece as orientações necessárias para efetuar a atualização da versão do Citsmart no ambiente Windows. Versão 1.5 10/03/2015 Visão Resumida Data Criação 10/03/2015 Versão Documento 1.5 Projeto Responsáveis

Leia mais

PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS

PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS Anais do XXXIV COBENGE. Passo Fundo: Ed. Universidade de Passo Fundo, Setembro de 2006. ISBN 85-7515-371-4 PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS Rejane de Barros Araújo rdebarros_2000@yahoo.com.br

Leia mais

Unidade 3: Linguagem de programação

Unidade 3: Linguagem de programação Unidade 3: Linguagem de programação 3.7. Elaborando programas: scripts e funções No programa Scilab podemos criar arquivos contendo comandos que serão executados posteriormente dentro do seu ambiente.

Leia mais

TUTORIAL MATLAB MATEMÁTICA COMPUTACIONAL Aula 20-Novembro-2013

TUTORIAL MATLAB MATEMÁTICA COMPUTACIONAL Aula 20-Novembro-2013 TUTORIAL MATLAB MATEMÁTICA COMPUTACIONAL Aula 20-Novembro-2013 MATLAB (MATrix LABoratory) é um software de alta performance direccionado para o cálculo numérico. O MATLAB integra áreas como análise numérica,

Leia mais

MC-102 Aula 01. Instituto de Computação Unicamp

MC-102 Aula 01. Instituto de Computação Unicamp MC-102 Aula 01 Introdução à Programação de Computadores Instituto de Computação Unicamp 2015 Roteiro 1 Por que aprender a programar? 2 Hardware e Software 3 Organização de um ambiente computacional 4 Algoritmos

Leia mais

JAVA NETBEANS PGOO Prof. Daniela Pires Conteúdo

JAVA NETBEANS PGOO Prof. Daniela Pires Conteúdo Conteúdo Estruturas de repetição (loops, laços)... 2 WHILE (enquanto)... 2 DO... WHILE (faça... enquanto)... 2 FOR... 3 FOREACH... 4 EXERCICIO LOOP FOR... 4 Novo Projeto... 5 Controles SWING... 10 1 Estruturas

Leia mais

Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro

Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro Tiago Mendes Dantas t.mendesdantas@gmail.com Departamento de Engenharia Elétrica,

Leia mais

Sistema Click Principais Comandos

Sistema Click Principais Comandos Sistema Click Principais Comandos Sumário Sumário... 1 1. Principais Funções:... 2 2. Inserção de Registro (F6):... 3 3. Pesquisar Registro (F7):... 4 3.1 Pesquisa por letras:... 5 3.2 Pesquisa por números:...

Leia mais

MySQL Query Browser. Professor Victor Sotero SGD

MySQL Query Browser. Professor Victor Sotero SGD MySQL Query Browser Professor Victor Sotero SGD 1 DEFINIÇÃO O MySQL Query Browser é uma ferramenta gráfica fornecida pela MySQL AB para criar, executar e otimizar solicitações SQL em um ambiente gráfico.

Leia mais

Abaixo do Objeto WorkSheet temos a coleção Cells, que representa todas as células de uma planilha.

Abaixo do Objeto WorkSheet temos a coleção Cells, que representa todas as células de uma planilha. Aula 1 O modelo de objetos do Excel APPLICATION É o próprio Excel. Temos diversas propriedades e métodos importantes nesse objeto. Destacamos dois exemplos: Application.DisplayAlerts Se for true, o Excel

Leia mais

UTILIZANDO O SOFTWARE WEKA

UTILIZANDO O SOFTWARE WEKA UTILIZANDO O SOFTWARE WEKA O que é 2 Weka: software livre para mineração de dados Desenvolvido por um grupo de pesquisadores Universidade de Waikato, Nova Zelândia Também é um pássaro típico da Nova Zelândia

Leia mais

Algoritmos em Javascript

Algoritmos em Javascript Algoritmos em Javascript Sumário Algoritmos 1 O que é um programa? 1 Entrada e Saída de Dados 3 Programando 4 O que é necessário para programar 4 em JavaScript? Variáveis 5 Tipos de Variáveis 6 Arrays

Leia mais

Como funciona? SUMÁRIO

Como funciona? SUMÁRIO SUMÁRIO 1. Introdução... 2 2. Benefícios e Vantagens... 2 3. Como utilizar?... 2 3.1. Criar Chave / Senha de Usuário... 2 3.2. Recursos da Barra Superior... 2 3.2.1. Opções... 3 3.2.1.1. Mover Para...

Leia mais

Agrupamento de dados

Agrupamento de dados Organização e Recuperação de Informação: Agrupamento de dados Marcelo K. A. Faculdade de Computação - UFU Agrupamento de dados / 7 Overview Agrupamento: introdução Agrupamento em ORI 3 K-médias 4 Avaliação

Leia mais

DESENVOLVIMENTO DE SOFTWARE. Introdução ao Visual Studio VB.Net. Programação Estruturada. Prof. Celso Candido ADS / REDES / ENGENHARIA

DESENVOLVIMENTO DE SOFTWARE. Introdução ao Visual Studio VB.Net. Programação Estruturada. Prof. Celso Candido ADS / REDES / ENGENHARIA Introdução ao Visual Studio VB.Net Programação Estruturada 1 Nesse momento inicial não iremos programar em VB.Net, usando o Visual Studio, mas conhecer alguns comandos e variáveis usadas em uma linguagem

Leia mais

Manual de Operação do Simulador EONSim - Elastic Optical Networks Simulator

Manual de Operação do Simulador EONSim - Elastic Optical Networks Simulator Manual de Operação do Simulador EONSim - Elastic Optical Networks Simulator Autores: Paulo César Barreto da Silva e Marcelo Luís Francisco Abbade Dezembro de 2012 Versão 1 1. Como executa-lo O EONSim foi

Leia mais

Técnicas de Mineração de Dados Aplicadas a Reservatórios visando à Gestão Ambiental na Geração de Energia

Técnicas de Mineração de Dados Aplicadas a Reservatórios visando à Gestão Ambiental na Geração de Energia Técnicas de Mineração de Dados Aplicadas a Reservatórios visando à Gestão Ambiental na Geração de Energia Aluno: Gabriel Leite Mariante Orientador: Marley Maria Bernardes Rebuzzi Vellasco Introdução e

Leia mais

MANUAL C R M ÍNDICE. Sobre o módulo de CRM... 2. 1 Definindo a Campanha... 3

MANUAL C R M ÍNDICE. Sobre o módulo de CRM... 2. 1 Definindo a Campanha... 3 ÍNDICE Sobre o módulo de CRM... 2 1 Definindo a Campanha... 3 1.1 Incluir uma campanha... 3 1.2 Alterar uma campanha... 4 1.3 Excluir... 4 1.4 Procurar... 4 2 Definindo os clientes para a campanha... 4

Leia mais

NOVIDADES DO JAVA PARA PROGRAMADORES C

NOVIDADES DO JAVA PARA PROGRAMADORES C PROGRAMAÇÃO SERVIDOR EM SISTEMAS WEB NOVIDADES DO JAVA PARA PROGRAMADORES C Prof. Dr. Daniel Caetano 2012-1 Objetivos Apresentar o Conceito de Classes e Objetos Capacitar para a criação de objetos simples

Leia mais

Aula 2 RNA Arquiteturas e Treinamento

Aula 2 RNA Arquiteturas e Treinamento 2COP229 Aula 2 RNA Arquiteturas e Treinamento 2COP229 Sumário 1- Arquiteturas de Redes Neurais Artificiais; 2- Processos de Treinamento; 2COP229 1- Arquiteturas de Redes Neurais Artificiais -Arquitetura:

Leia mais

Tutorial de Matlab Francesco Franco

Tutorial de Matlab Francesco Franco Tutorial de Matlab Francesco Franco Matlab é um pacote de software que facilita a inserção de matrizes e vetores, além de facilitar a manipulação deles. A interface segue uma linguagem que é projetada

Leia mais

NÍVEL BÁSICO CAPÍTULO III

NÍVEL BÁSICO CAPÍTULO III UNIVERSIDADE FEDERAL DO PARÁ CENTRO TECNOLÓGICO DEPARTAMENTO DE ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO PROGRAMA DE EDUCAÇÃO TUTORIAL SEMANA DOS 40 ANOS DE ENGENHARIA ELÉTRICA NÍVEL BÁSICO CAPÍTULO III PROGRAMA

Leia mais

Aula 2P - Comandos básicos do Matlab aplicados a PDS

Aula 2P - Comandos básicos do Matlab aplicados a PDS Aula 2P - Comandos básicos do Matlab aplicados a PDS Bibliografia HAYKIN, S. S.; VAN VEEN, B. Sinais e sistemas, Bookman, 2001. ISBN 8573077417. Páginas 71-76. INGLE, V. K.; PROAKIS, J. G. Digital signal

Leia mais

Gravação da quantidade de expostos por grupo homogêneo

Gravação da quantidade de expostos por grupo homogêneo Gravação da quantidade de expostos por grupo homogêneo Produto : TOTVS + PPRARobot + PMedPPRACfg + 6.3.27.14/11.7.0.5 Chamado : TDURCI Data da publicação : 13/12/12 País(es) : Brasil Banco(s) de Dados

Leia mais

Controladores Lógicos Programáveis CLP (parte-3)

Controladores Lógicos Programáveis CLP (parte-3) Controladores Lógicos Programáveis CLP (parte-3) Mapeamento de memória Na CPU (Unidade Central de Processamento) de um CLP, todas a informações do processo são armazenadas na memória. Essas informações

Leia mais

Manual de Atualização de Versão

Manual de Atualização de Versão Este documento fornece as orientações necessárias para efetuar a atualização da versão da Plataforma Citsmart. Versão 2.0 05/03/2014 Visão Resumida Data Criação 05/03/2014 Versão Documento 2.0 Projeto

Leia mais

Criando e usando Gráficos

Criando e usando Gráficos DANDO A LARGADA Criando e usando Gráficos Mathcad torna fácil para você criar um gráfico de x-y de uma expressão. Para isto, digite uma expressão que depende de uma variável, por exemplo, sin(x), e então

Leia mais

Programação Estruturada e Orientada a Objetos. Fundamentos Orientação a Objetos

Programação Estruturada e Orientada a Objetos. Fundamentos Orientação a Objetos Programação Estruturada e Orientada a Objetos Fundamentos Orientação a Objetos 2013 O que veremos hoje? Introdução aos fundamentos de Orientação a Objetos Transparências baseadas no material do Prof. Jailton

Leia mais

PALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron.

PALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron. 1024 UMA ABORDAGEM BASEADA EM REDES PERCEPTRON MULTICAMADAS PARA A CLASSIFICAÇÃO DE MASSAS NODULARES EM IMAGENS MAMOGRÁFICAS Luan de Oliveira Moreira¹; Matheus Giovanni Pires² 1. Bolsista PROBIC, Graduando

Leia mais

Programação Orientada a Objetos com PHP & MySQL Cookies e Sessões. Prof. MSc. Hugo Souza

Programação Orientada a Objetos com PHP & MySQL Cookies e Sessões. Prof. MSc. Hugo Souza Programação Orientada a Objetos com PHP & MySQL Cookies e Sessões Prof. MSc. Hugo Souza Se você precisar manter informações sobre seus usuários enquanto eles navegam pelo seu site, ou até quando eles saem

Leia mais

16.36: Engenharia de Sistemas de Comunicação Aula 14: Códigos cíclicos e detecção de erros

16.36: Engenharia de Sistemas de Comunicação Aula 14: Códigos cíclicos e detecção de erros 16.36: Engenharia de Sistemas de Comunicação Aula 14: Códigos cíclicos e detecção de erros Eytan Modiano Códigos Cíclicos Um código cíclico é um código de bloco linear onde c é uma palavra-chave, e também

Leia mais

Vetores. Vetores. Figura 1 Exemplo de vetor com 10 elementos

Vetores. Vetores. Figura 1 Exemplo de vetor com 10 elementos Vetores Nos capítulos anteriores estudamos as opções disponíveis na linguagem C para representar: Números inteiros em diversos intervalos. Números fracionários com várias alternativas de precisão e magnitude.

Leia mais

Cálculo Numérico. ECA / 4 créditos / 60 h Introdução, Erros e Matlab. Ricardo Antonello. www.antonello.com.br

Cálculo Numérico. ECA / 4 créditos / 60 h Introdução, Erros e Matlab. Ricardo Antonello. www.antonello.com.br Cálculo Numérico ECA / 4 créditos / 60 h Introdução, Erros e Matlab Ricardo Antonello www.antonello.com.br Conteúdo Erros na fase de modelagem Erros na fase de resolução Erros de arredondamento Erros de

Leia mais

Relatórios de montagem

Relatórios de montagem Relatórios de montagem Número da Publicação spse01660 Relatórios de montagem Número da Publicação spse01660 Notificação de Direitos Limitados e de Propriedade Este software e a documentação relacionada

Leia mais

Análise de Tendências de Mercado por Redes Neurais Artificiais

Análise de Tendências de Mercado por Redes Neurais Artificiais Análise de Tendências de Mercado por Redes Neurais Artificiais Carlos E. Thomaz 1 e Marley M.B.R. Vellasco 2 1 Departamento de Engenharia Elétrica (IAAA), FEI, São Paulo, Brasil 2 Departamento de Engenharia

Leia mais

PRODUÇÃO INDUSTRIAL DE SUÍNOS E O USO DE REDES NEURAIS ARTIFICIAIS PARA PREDIÇÃO DE ÍNDICES ZOOTÉCNICOS NA FASE DE GESTAÇÃO E MATERNIDADE RESUMO

PRODUÇÃO INDUSTRIAL DE SUÍNOS E O USO DE REDES NEURAIS ARTIFICIAIS PARA PREDIÇÃO DE ÍNDICES ZOOTÉCNICOS NA FASE DE GESTAÇÃO E MATERNIDADE RESUMO PRODUÇÃO INDUSTRIAL DE SUÍNOS E O USO DE REDES NEURAIS ARTIFICIAIS PARA PREDIÇÃO DE ÍNDICES ZOOTÉCNICOS NA FASE DE GESTAÇÃO E MATERNIDADE RESUMO HÉLITON PANDORFI 1 IRAN JOSÉ OLIVEIRA DA SILVA 2 JEFFERSON

Leia mais

Capacitação 2010. Aula4: Utilizando o Imagination e o Avidemux (GTK+)

Capacitação 2010. Aula4: Utilizando o Imagination e o Avidemux (GTK+) Capacitação realizada através de parceria entre o Núcleo de Tecnologia Educacional Municipal - NTM Núcleo de Tecnologia Educacional Estadual - NTE de Volta Redonda Capacitação 2010 Aula4: Utilizando o

Leia mais

Para que o NSBASIC funcione corretamente em seu computador, você deve garantir que o mesmo tenha as seguintes características:

Para que o NSBASIC funcione corretamente em seu computador, você deve garantir que o mesmo tenha as seguintes características: Cerne Tecnologia www.cerne-tec.com.br Conhecendo o NSBASIC para Palm Vitor Amadeu Vitor@cerne-tec.com.br 1. Introdução Iremos neste artigo abordar a programação em BASIC para o Palm OS. Para isso, precisaremos

Leia mais

A metodologia utilizada neste trabalho consiste basicamente de três etapas: ensaio, pré-processamento e simulações.

A metodologia utilizada neste trabalho consiste basicamente de três etapas: ensaio, pré-processamento e simulações. SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GCE 20 14 a 17 Outubro de 2007 Rio de Janeiro - RJ GRUPO XIV GRUPO DE ESTUDO DE CONSERVAÇÃO DE ENERGIA ELÉTRICA UTILIZAÇÃO DE REDES

Leia mais

Como Configurar Caixas de Entradas Separadas.

Como Configurar Caixas de Entradas Separadas. Como Configurar Caixas de Entradas Separadas. 1 Passo: Clique em Ferramentas. Selecione Regras para mensagens. Selecione E-mail. 2 Passo: Na janela Regras para mensagens. Clique em Nova.. 3 Passo: Na tela

Leia mais

1. Um servidor rodando Windows 7 (um computador onde o SIPAR ficará instalado e com os dados neste computador);

1. Um servidor rodando Windows 7 (um computador onde o SIPAR ficará instalado e com os dados neste computador); Manual informativo para configuração do SIPAR por acesso via Área de Trabalho Remota (ATR) do Windows 7 Página: 1 / 5 COMO CONFIGURAR O SIPAR PARA ACESSO VIA INTERNET Você vai precisar de: 1. Um servidor

Leia mais

O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2

O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2 3.2 O Espaço Nulo de A: Resolvendo Ax = 0 11 O ESPAÇO NULO DE A: RESOLVENDO AX = 0 3.2 Esta seção trata do espaço de soluções para Ax = 0. A matriz A pode ser quadrada ou retangular. Uma solução imediata

Leia mais

Introdução ao Matlab. 1 Algumas regras e comandos do Matlab. 3 de março de 2015. Docente Responsável : Prof. Dr. Antônio C. Roque

Introdução ao Matlab. 1 Algumas regras e comandos do Matlab. 3 de março de 2015. Docente Responsável : Prof. Dr. Antônio C. Roque Introdução ao Matlab 3 de março de 2015 Docente Responsável : Prof. Dr. Antônio C. Roque Monitores : Rodrigo F. O. Pena e Renan Shimoura MATLAB (MATrix LABoratory) é um programa de alta performance e de

Leia mais

Complemento II Noções Introdutória em Redes Neurais

Complemento II Noções Introdutória em Redes Neurais Complemento II Noções Introdutória em Redes Neurais Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações

Leia mais

Mini Curso Introdução ao MATLAB

Mini Curso Introdução ao MATLAB Mini Curso Introdução ao MATLAB Aline Villela Chaia Maria Ribeiro Daibert GET Engenharia de Produção - UFJF Sumário: Introdução... 3 Objetivos... 3 Histórico... 3 Layout... 4 Help... 9 Dados... 10 Funções...

Leia mais

Resumo da Matéria de Linguagem de Programação. Linguagem C

Resumo da Matéria de Linguagem de Programação. Linguagem C Resumo da Matéria de Linguagem de Programação Linguagem C Vitor H. Migoto de Gouvêa 2011 Sumário Como instalar um programa para executar o C...3 Sintaxe inicial da Linguagem de Programação C...4 Variáveis

Leia mais

Como enviar fotos de câmeras digitais

Como enviar fotos de câmeras digitais Como enviar fotos de câmeras digitais Se as fotos que você deseja enviar para o Geo-Obras foram capturadas com uma câmera digital, será necessário copiá-las para o computador. A maioria dos modelos utiliza

Leia mais

AULA: BrOffice Impress terceira parte. Ao final dessa aula, você deverá ser capaz de:

AULA: BrOffice Impress terceira parte. Ao final dessa aula, você deverá ser capaz de: AULA: BrOffice Impress terceira parte Objetivo Ao final dessa aula, você deverá ser capaz de: Conhecer a integração dos softwares do BrOffice; Aprender a trabalhar no slide mestre; Utilizar interação entre

Leia mais

Inteligência Artificial. Prof. Tiago A. E. Ferreira Aula 20 - Backpropagation

Inteligência Artificial. Prof. Tiago A. E. Ferreira Aula 20 - Backpropagation Inteligência Artificial Prof. Tiago A. E. Ferreira Aula 20 - Backroagation Introdução Redes de uma camada resolvem aenas roblemas linearmente searáveis Solução: utilizar mais de uma camada Camada 1: uma

Leia mais

Avançado. Visão geral do ambiente do VBA Retornar à planilha Excel

Avançado. Visão geral do ambiente do VBA Retornar à planilha Excel Avançado Trabalhando com VBA Descubra a linguagem de programação do Microsoft Office e torne-se um expert no desenvolvimento de funções, macros e planilhas eletrônicas Nas edições anteriores da revista

Leia mais

1.4.4 Configurar serviços de armazenamento

1.4.4 Configurar serviços de armazenamento 1.4.4 Configurar serviços de armazenamento Esta versão do Office permite guardar os documentos na nuvem do OneDrive, de modo que possa posteriormente aceder aos seus conteúdos a partir de qualquer dispositivo

Leia mais

Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka

Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka 1 Introdução A mineração de dados (data mining) pode ser definida como o processo automático de descoberta de conhecimento em bases de

Leia mais

Revisão Inteligência Artificial ENADE. Prof a Fabiana Lorenzi Outubro/2011

Revisão Inteligência Artificial ENADE. Prof a Fabiana Lorenzi Outubro/2011 Revisão Inteligência Artificial ENADE Prof a Fabiana Lorenzi Outubro/2011 Representação conhecimento É uma forma sistemática de estruturar e codificar o que se sabe sobre uma determinada aplicação (Rezende,

Leia mais

Construção de tabelas verdades

Construção de tabelas verdades Construção de tabelas verdades Compreender a Lógica como instrumento da ciência e como estrutura formal do pensamento, conhecendo e compreendendo as operações com os principais conceitos proposicionais

Leia mais

SuperLogo: aprendendo com a sua criatividade

SuperLogo: aprendendo com a sua criatividade SuperLogo: aprendendo com a sua criatividade O SuperLogo é um programa computacional que utiliza linguagem de programação Logo. Esta linguagem foi desenvolvida na década de 60 nos Estados Unidos no Instituto

Leia mais

Algoritmos e Estrutura de Dados. Introdução a Linguagem Python (Parte I) Prof. Tiago A. E. Ferreira

Algoritmos e Estrutura de Dados. Introdução a Linguagem Python (Parte I) Prof. Tiago A. E. Ferreira Algoritmos e Estrutura de Dados Aula 1 Introdução a Linguagem Python (Parte I) Prof. Tiago A. E. Ferreira Linguagem a ser Utilizada? Nossa disciplina é de Algoritmos e Estrutura de Dados, e não de linguagem

Leia mais

Curso de Linguagem C

Curso de Linguagem C Curso de Linguagem C 1 Aula 1 - INTRODUÇÃO...4 AULA 2 - Primeiros Passos...5 O C é "Case Sensitive"...5 Dois Primeiros Programas...6 Introdução às Funções...7 Introdução Básica às Entradas e Saídas...

Leia mais

Boas Práticas de Desenvolvimento Seguro

Boas Práticas de Desenvolvimento Seguro Boas Práticas de Desenvolvimento Seguro Julho / 2.012 Histórico de Revisões Data Versão Descrição Autor 29/07/2012 1.0 Versão inicial Ricardo Kiyoshi Página 2 de 11 Conteúdo 1. SEGURANÇA DA INFORMAÇÃO

Leia mais

O computador. Sistema Operacional

O computador. Sistema Operacional O computador O computador é uma máquina desenvolvida para facilitar a vida do ser humano, principalmente nos trabalhos do dia-a-dia. É composto basicamente por duas partes o hardware e o software. Uma

Leia mais

O Processo de KDD. Data Mining SUMÁRIO - AULA1. O processo de KDD. Interpretação e Avaliação. Seleção e Pré-processamento. Consolidação de dados

O Processo de KDD. Data Mining SUMÁRIO - AULA1. O processo de KDD. Interpretação e Avaliação. Seleção e Pré-processamento. Consolidação de dados SUMÁRIO - AULA1 O Processo de KDD O processo de KDD Interpretação e Avaliação Consolidação de dados Seleção e Pré-processamento Warehouse Data Mining Dados Preparados p(x)=0.02 Padrões & Modelos Conhecimento

Leia mais

Hardware (Nível 0) Organização. Interface de Máquina (IM) Interface Interna de Microprogramação (IIMP)

Hardware (Nível 0) Organização. Interface de Máquina (IM) Interface Interna de Microprogramação (IIMP) Hardware (Nível 0) Organização O AS/400 isola os usuários das características do hardware através de uma arquitetura de camadas. Vários modelos da família AS/400 de computadores de médio porte estão disponíveis,

Leia mais

INSTITUTO FEDERAL DE EDUCAÇÃO CIÊNCIA E TECNOLOGIA DE ALAGOAS CURSO TÉCNICO EM INFORMÁTICA DISCIPLINA:

INSTITUTO FEDERAL DE EDUCAÇÃO CIÊNCIA E TECNOLOGIA DE ALAGOAS CURSO TÉCNICO EM INFORMÁTICA DISCIPLINA: INSTITUTO FEDERAL DE EDUCAÇÃO CIÊNCIA E TECNOLOGIA DE ALAGOAS CURSO TÉCNICO EM INFORMÁTICA DISCIPLINA: PROGRAMAÇÃO ORIENTADA A OBJETOS PROFESSOR: REINALDO GOMES ASSUNTO: PRIMEIRO PROGRAMA EM JAVA (COMPILAÇÃO

Leia mais

Simulador de Redes Neurais Multiplataforma

Simulador de Redes Neurais Multiplataforma Simulador de Redes Neurais Multiplataforma Lucas Hermann Negri 1, Claudio Cesar de Sá 2, Ademir Nied 1 1 Departamento de Engenharia Elétrica Universidade do Estado de Santa Catarina (UDESC) Joinville SC

Leia mais

Manual. EFD Contribuições

Manual. EFD Contribuições Treinamento Escrita Fiscal Material desenvolvido por: Saiba que este documento não poderá ser reproduzido, seja por meio eletrônico ou mecânico, sem a permissão expressa por escrito da Implantta Serviços

Leia mais

Manual do Usuário Cyber Square

Manual do Usuário Cyber Square Manual do Usuário Cyber Square Criado dia 27 de março de 2015 as 12:14 Página 1 de 48 Bem-vindo ao Cyber Square Parabéns! Você está utilizando o Cyber Square, o mais avançado sistema para gerenciamento

Leia mais